食物声音识别Task4

深度学习模型搭建与训练

@Datawhale
Task的内容主要聚焦于CNN（卷积神经网络）的搭建与训练

CNN网络基本架构

1. 输入层
2. 卷积层
3. 激励层
4. 池化层
5. Flatten操作
6. 全连接层

CNN模型训练与测试

# 训练模型
model.fit(X_train, Y_train, epochs = 90, batch_size = 50, validation_data = (X_test, Y_test))

预测测试集

def extract_features(test_dir, file_ext="*.wav"):
    feature = []
    for fn in tqdm(glob.glob(os.path.join(test_dir, file_ext))[:]): # 遍历数据集的所有文件
        X, sample_rate = librosa.load(fn,res_type='kaiser_fast')
        mels = np.mean(librosa.feature.melspectrogram(y=X,sr=sample_rate).T,axis=0) # 计算梅尔频谱(mel spectrogram),并把它作为特征
        feature.extend([mels])
    return feature